基于CMAC 的带有未知负载干扰电液位置伺服系统的自学习控制

针对电液伺服系统的特点,提出了基于ＣＭＡＣ神经网络非线性控制的结构和算法。对电液位置伺服系统的动态仿真表明,雇地未知和时变外负载干扰具有明显的抑制作用。     

用于船舶舵机的电液负载模拟器之控制系统

对船舶舵机使用的电液负载模拟器,建立了传递函数模型,给出了频率特性.根据这个模拟器的实时性和跟踪精度指标,设计了主从式结构计算机控制系统;其中采用了自适应模糊PID控制器,以保证系统的鲁棒性能;又设计了前馈控制器,提供速度补偿和加速度补偿,使系统有多余力时,能够满足性能指标.实际加载实验表明,无论主动或被动加载,其精度都满足设计指标,并且系统工作稳定可靠.     

位置同步补偿克服负载模拟器多余力的实验研究

本文介绍了一种克服多余力的新方法，给出了位置同步补偿克服负载模型器多余力的工作原理，并对多余力进行了实验研究。     

基于CMAC的PID控制在不确定性电液伺服系统中的应用

介绍了CMAC网络的控制原理,给出了CMAC网络与PID复合控制的控制器设计步骤,并将该方法应用到某电液位置伺服系统中.仿真结果表明,该方法能获得良好的跟踪性能,具有一定的鲁棒性,对于抑制并消除系统的不确定性具有良好的控制效果.     

一种基于CMAC的自学习控制器

现有的基于CMAC的自学习控制器能够有效地减小跟踪误差,但是在跟踪连续变化信号如正弦波时,由于累积误差的影响会产生过学习现象,进而导致系统的不稳定.为此,提出一种新的基于CMAC的自学习控制器,它以系统的动态误差作为CMAC的激励信号,从而避免了累积误差的影响.仿真结果表明,该控制器不仅是有效的,而且具有很强的鲁棒性.此外,它可以使用较高的学习速率,实时性强.     

一种基于模糊CMAC神经网络的自学习控制器

通过分析模糊控制和基于广义基函数的ＣＭＡＣ神经网络,提出一种模糊ＣＭＡＣ（ＦＣＭＡＣ）神经网络。通过ＦＣＭＡＣ权系数的在线学习,实现修正模糊逻辑。给出一种基于ＦＣＭＡＣ的自学习控制器的结构及合适的学习算法,这种网络每次学习少量参数,算法简单。仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

被动式电液伺服加载系统控制的方法研究

针对被动式电液伺服加载系统控制过程中的非线性,参数的时变性以及位置扰动引起的多余力等问题,提出了CMAC- PID并行的控制算法;建立系统的非线性数学模型,采用现代控制理论与经典控制理论相结合的方法对系统进行优化设计;利用PID控制器实现反馈控制,并为CMAC网络提供导师信号,CMAC神经网络进行前馈控制,减小多余力、参数时变性对系统带来的干扰,实现非线性逼近;仿真结果表明:CMAC- PID算法可将多余力控制在常规控制的22.5％,其跟踪精度高,抗干扰能力、鲁棒性更强,能优化系统的性能,为实际应用提供了参考.     

电动直线负载模拟器反步控制器设计与研究

为提高某型航天用电动直线负载模拟器(Electric Linear Load Simulator, ELLS)的加载精度与动态性能,提出一种基于Backstepping设计思想的ELLS控制器设计方案。通过推导建立了ELLS的状态空间方程,接着采用Backstepping方法设计了反步控制器,并采用Lyapunov定理来保证了系统的全局渐进稳定性。最终,采用SIMULINK仿真软件搭建了ELLS仿真模型并引入所提出的控制器,仿真实验结果表明：采用了反步控制器的ELLS的系统响应性能较快,系统输出精度较高,满足系统性能要求;且与仅采用力闭环控制相比,所提出控制器多余力抑制效果明显提升,系统的抗扰能力进一步增强。     

基于分段PID控制的气动负载模拟器研究

构建了由比例阀控缸实施加载的舵机气动伺服加载系统实验装置,研究其特性及控制策略。采用了机理建模的方法建立了系统的数学模型,在建立的数学模型基础上,设计了加前馈加分段PID控制器。运用Matlab的实时工具箱,测定了0．5Hz,1Hz,2Hz,5Hz三角波奈件下的特性。实验结果袁明气动负载模拟器在低频段有较好的力跟随特性。     

双向规划小脑模型神经网络CMAC学习控制

CMAC小脑模型是模拟人小脑的一种学习结构。以往CMAC方法为单向规划方法,为改善CMAC学习控制效果,提出如下双向规划方法     

基于改进的CMAC神经网络与PID并行控制的研究

提出一种改进的CMAC神经网络控制算法,利用满打满葬单元的先前学习次数作为可信度;将改进的CMAC与PID实现复合控制,由CMAC控制器实现前馈控制,PID控制实现反馈控制;仿真表明,改进算法的响应速度和精度有一定的改善。     

一类具有多维存储结构的CMAC神经网络

对于多输入 CMAC神经网络 ,概念映射决定了网络泛化特性 .从而直接影响到网络学习速度和网络的逼近精度 .本文在对多输入 CMAC网络进行深入分析的基础上 ,指出了概念映射的重要性及现有映射算法存在的不足 ;巧妙地将网络存储器由原来的一维改为多维从而得到了一类新型的多输入 CMAC神经网络 ,同时给出了新型网络的概念映射算法并分析论证了算法的合理性、严密性 .计算机仿真结果验证了所提出新型网络及其概念映射算法的有效性     

CMAC神经网络的N维概念映射算法

小脑模型神经网络（ＣＭＡＣ）是１９７２年由Ｊ．Ｓ．Ａｌｂｕｓ提出的，是实际控制上用得最多的神经网络之一，但是其概念映射较为复杂，至今尚未给出一般公式。本文在Ａｌｂｕｓ的概念映射基础上，给出了ＣＭＡＣ神经网络的Ｎ维概念映射算法，为ＣＭＡＣ神经网络应用提供了极大方便。     

基于CMAC与PID复合控制的柴油机调速系统

提出了柴油机调速系统CMAC与PID复合控制方案,给出了柴油机调速系统数学模型和控制算法.仿真分析表明,CMAC与PID复合控制比传统的PID控制有更好的控制效果,鲁棒性强,适合于非线性实时控制.     

CMAC神经元网络在CSTR系统建模中的应用

目前正在兴起和发展的人工智能和人工神经网络的研究,为复杂非线性系统的控制开辟了一条新路．本文将CMAC神经元网络用于CSTR系统的建模,取得了很好的仿真效果．     

基于模糊模型和神经网络的某扫雷犁系统建模

在实现扫雷犁系统准确位置控制的研究中,由于扫雷犁电液伺服系统固有的流量-压力特性等非线性因素,采用传统机理建模方法难以获得其精确模型,研究了系统的两种智能建模方法,即模糊建模和神经网络建模。模糊建模方法采用基于GK聚类算法的TS模糊模型,神经网络建模中采用了基于正交最小二乘算法的径向基函数神经网络。通过对扫雷犁电液伺服系统进行的建模实验仿真,分析了两方法的建模性能并与其他建模方法进行了对比,研究结果验证了所提出两种建模方法的有效性。     

CMAC神经网络与PID复合控制的应用研究

阐述了CMAC神经网络的基本原理,并结合PID控制的特点,将CMAC神经网络与PID复合控制算法应用在工业领域的温度控制系统中,并同传统的Zieglar-Nichols阶跃响应法及单纯形算法作了比较。仿真结果表明:该复合控制算法具有较高的控制精度及良好的控制效果。     

一种新的分布式神经模糊控制器

提出了一种分布式神经模糊网络和自学习模糊控制器的构成方法。它是CMAC模型的一种扩展,使其能进行模糊推理和构成自学习的模糊控制器。该方法除具有CMAC优点外,还具有以下特点：输入数据通过模糊划分和隶属函数后自动编码,对精度没有限制;从现场数据直接获取控制规则,即使对未训练的数据,也能结合插值和泛化两种能力,推理给出合适的输出。学习实例证明了方法的有效性。     

非线性系统的再励学习控制研究

研究了一种带有的CMAC神经网络的再励学习（RL）控制方法,以解决具有高度非线性的系统控制问题。研究的重点在于算法的简化以及具有连续输出的函数学习上。控制策略由两部分构成;再励学习控制器和固定增益常规控制器。前者用于学习系统的非线性,后者用于稳定系统。仿真结果表明,所提出的控制策略不仅是有效的,而且具有很高的控制精度。